深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1941	2025-06-15	CRPU-NET: a deep learning model based semantic segmentation for the detection of colorectal polyp in lower gastrointestinal tract 2023-12-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad160f PMID:38100789	research paper	本文提出了一种名为CRPU-Net的深度学习模型，用于结肠镜检查图像中息肉的分割	CRPU-Net是一种新型的轻量级模型，专门用于结肠息肉的分割，并在性能上超越了现有的先进模型	NA	开发一种高效的深度学习模型，用于自动分割结肠镜检查图像中的息肉	结肠镜检查图像中的息肉	digital pathology	colorectal polyp	deep learning	CRPU-Net	image	两个结肠镜检查图像数据集（CVC-ColonDB和CVC-ClinicDB）
1942	2025-06-15	Secret learning for lung cancer diagnosis-a study with homomorphic encryption, texture analysis and deep learning 2023-12-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad0b4b PMID:37944251	研究论文	本文提出了一种结合同态加密、纹理分析和深度学习的肺癌诊断方法，旨在保护用户隐私的同时提高诊断准确性	首次在同态加密的CT扫描图像上提取纹理信息并进行深度学习分类，解决了现有方法在隐私保护方面的不足	实验样本类型和数量未明确说明，可能影响结果的普适性	开发一种保护隐私的肺癌自动诊断系统	CT扫描图像（正常肺组织、腺癌、大细胞癌和鳞状细胞癌）	数字病理学	肺癌	同态加密、纹理分析、深度学习	深度学习（具体模型未说明）	CT图像	NA
1943	2025-06-15	Spin device-based image edge detection architecture for neuromorphic computing 2023-Nov-15, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad0056 PMID:37797609	研究论文	提出一种基于自旋轨道力矩磁随机存储器（SOT-DLC MRAM）的交叉阵列设计，用于图像边缘检测，实现能效更高的硬件实现	采用SOT-DLC MRAM交叉阵列设计，相比传统CMOS设计在能效、面积效率和泄漏功耗方面有显著提升，并将边缘检测框架扩展到脉冲域，结合蚁群优化算法	未提及实际硬件实现的测试结果或具体应用场景的验证	开发一种能效更高的硬件架构，用于图像边缘检测	图像边缘检测	计算机视觉	NA	自旋轨道力矩磁随机存储器（SOT-DLC MRAM）	蚁群优化算法（ACO）	图像	未明确提及具体样本数量
1944	2025-06-14	Deep learning-assisted self-cleaning cellulose colorimetric sensor array for monitoring black tea withering dynamics 2025-Sep-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.144727 PMID:40403427	研究论文	本研究提出了一种基于纤维素薄膜的环保型比色传感器阵列（CSA），结合深度学习技术，用于检测挥发性有机化合物（VOCs）并评估红茶的萎凋阶段	开发了一种自清洁TiO-纤维素薄膜，通过特定位置沉积OTS实现疏水非传感区域，提高了湿度抗性，并利用LSTM深度学习模型实现了90%的萎凋阶段识别准确率	未提及样本量大小及具体实验条件限制	开发一种智能、环保的传感器阵列，用于监测红茶萎凋过程	红茶萎凋过程中的挥发性有机化合物（VOCs）	机器学习	NA	比色传感器阵列（CSA），紫外光降解技术	LSTM	化学传感器数据	NA
1945	2025-06-14	Role of artificial intelligence in cancer drug discovery and development 2025-Sep-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.217821 PMID:40414522	综述	本文综述了人工智能（AI）在癌症药物发现和开发中的多方面应用及其潜在影响	AI技术如机器学习和深度学习能够高效分析海量数据，加速药物靶点识别、化合物优化和临床结果预测，革新了传统耗时且昂贵的药物开发流程	面临数据质量、模型可解释性和监管障碍等挑战	探讨AI在癌症药物研发各阶段的应用及其潜力	癌症药物发现与开发过程	机器学习	癌症	机器学习（ML）、深度学习（DL）、虚拟筛选（VS）、分子对接、CRISPR	NA	多模态数据（包括分子结构数据、临床数据等）	NA
1946	2025-06-14	Predicting Imminent Conversion to Exudative Age-Related Macular Degeneration Using Multimodal Data and Ensemble Machine Learning 2025 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100785 PMID:40502295	研究论文	该研究开发并比较了经典机器学习和深度学习模型，用于预测6个月内即将发生的渗出性年龄相关性黄斑变性（eAMD）转化	结合OCT和临床数据，开发了集成机器学习模型来预测eAMD的即时转化，且深度学习模型表现优于传统机器学习模型	研究为回顾性队列研究，需前瞻性验证模型的有效性	开发预测即将发生eAMD转化的模型，以促进及时治疗	2013至2021年间在Wilmer眼科研究所就诊的eAMD患者	数字病理学	年龄相关性黄斑变性	光谱域OCT	ResNet-50, Random Forest, XGBoost, MLP	图像, 临床数据	2084名患者的33189个OCT体积
1947	2025-06-14	Deep learning reconstruction for T2-weighted and contrast-enhanced T1-weighted magnetic resonance enterography imaging in patients with Crohn's disease: Assessment of image quality and clinical utility 2025-Aug, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110528 PMID:40479900	research paper	研究深度学习重建在克罗恩病患者磁共振肠成像中T2加权和对比增强T1加权图像的质量及临床效用	评估深度学习重建技术在磁共振肠成像中的应用，比较其与传统方法在图像质量和采集时间上的差异	观察者间对深度学习重建图像质量的一致性较低，尤其是T1 VIBE图像	评估深度学习重建的磁共振肠成像图像质量及其在克罗恩病诊断中的临床效用	克罗恩病患者	digital pathology	Crohn's disease	magnetic resonance enterography	deep learning	image	93名患者用于T2 HASTE比较，42名患者用于T1 VIBE比较
1948	2025-06-14	Model-informed deep-learning photoacoustic reconstruction for low-element linear array 2025-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100732 PMID:40502804	research paper	提出了一种针对低元素线性阵列的模型信息深度学习光声重建方法，以解决传统重建方法在稀疏传感器排列和有限传感器间距下的图像质量问题	引入了轻量级的GE-CNN框架，显著降低了计算需求，模型矩阵大小减少了4倍，处理速度提高了约46.3%	未提及在实际临床环境中的广泛验证	提高光声断层扫描（PAT）在稀疏传感器排列下的图像重建质量和计算效率	线性阵列超声换能器	医学影像处理	NA	光声断层扫描（PAT）	GE-CNN	图像	合成模型、实验体模和活体大鼠肝脏成像
1949	2025-06-14	Acquisition and Reconstruction Techniques for Coronary CT Angiography: Current Status and Trends over the Past Decade 2025-07, Radiographics : a review publication of the Radiological Society of North America, Inc IF:5.2Q1 DOI:10.1148/rg.240083 PMID:40504731	review	本文回顾了过去十年中冠状动脉CT血管成像（CCTA）的采集和重建技术，探讨了其现状和发展趋势	总结了多种新技术如低管电压采集、高清CT、超高清CT、深度学习重建算法等，以提高图像质量和降低辐射剂量	尽管有多种新技术，但CCTA仍存在运动伪影、图像噪声、辐射暴露等问题	提高冠状动脉CT血管成像（CCTA）的临床价值，用于非侵入性评估冠状动脉疾病（CAD）	冠状动脉CT血管成像（CCTA）技术	医学影像	心血管疾病	低管电压采集、高清CT、超高清CT、深度学习重建算法	深度学习重建算法（DLR）	医学影像	NA
1950	2025-06-14	Computational design of diverse nuclear factor erythroid 2 activators with cellular antioxidative activity 2025-Jun-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.112621 PMID:40502689	研究论文	利用深度学习算法设计能够激活NRF2的小蛋白，以增强细胞抗氧化防御能力	采用深度学习模型设计具有不同结构框架和热力学特性的稳定小蛋白，有效激活KEAP1-NRF2通路	未提及在动物模型或临床试验中的验证	开发高效且选择性激活KEAP1-NRF2通路的合成抗氧化剂	KEAP1-NRF2复合物及设计的结合蛋白	机器学习	慢性疾病	深度学习	深度学习模型	蛋白质结构数据	五种设计的结合蛋白
1951	2025-06-14	Quantum-inspired computational drug design for phytopharmaceuticals: a herbal holography analysis 2025-Jun-13, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-025-06412-w PMID:40512383	research paper	本文提出了一种基于量子理论启发的计算药物设计方法，用于植物药物的全息分析	引入了植物全息学的新范式，将植物分子视为多维系统，利用全息和量子理论进行理解	尚未验证量子驱动方法是否真正能带来植物医学的革命，还是仅为空想	探索量子驱动方法在植物药物设计中的应用，以改进传统方法的不足	植物化合物	computational drug design	NA	hybrid quantum-classical simulations, deep learning models, quantum mechanics	deep learning models	NA	NA
1952	2025-06-14	Task Augmentation-Based Meta-Learning Segmentation Method for Retinopathy 2025-Jun-12, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3579271 PMID:40504712	研究论文	提出了一种基于任务增强的元学习方法（TAMS），用于视网膜图像分割，以减少对大量标注数据的依赖	提出视网膜病变模拟算法（LSA）自动生成多类视网膜疾病数据集，并设计生成模拟网络（GSNet）以保持复杂视网膜疾病的高质量表示	未提及具体的数据集规模限制或模型在其他类型医学图像上的泛化能力	解决医学图像分割任务中标注数据稀缺和分布差异的问题	视网膜图像（OCT和CFP图像）	数字病理	视网膜病变	深度学习（DL）、元学习	GSNet	医学图像	三个不同的OCT和CFP图像数据集（未提及具体样本数量）
1953	2025-06-14	Enhancing the Accuracy of Skin Lesion Diagnosis Using Hyperspectral Imaging and Deep Learning 2025-Jun-12, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500182 PMID:40505653	研究论文	本研究提出了一种结合高光谱成像（HSI）和深度学习的新型诊断方法，用于区分皮炎、光化性角化病（AK）和脂溢性角化病（SK）	结合高光谱成像和深度学习，通过Savitzky-Golay滤波和一阶导数光谱分析捕捉病变的细微生化及形态差异	未来工作需关注可扩展性、成本效益优化以及与现有诊断平台的无缝集成	提高皮肤病变诊断的准确性	皮炎、光化性角化病（AK）和脂溢性角化病（SK）	数字病理	皮肤疾病	高光谱成像（HSI）	深度学习	图像	60个术中临床样本
1954	2025-06-14	CT-based deep learning model for improved disease-free survival prediction in clinical stage I lung cancer: a real-world multicenter study 2025-Jun-12, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11682-2 PMID:40506642	研究论文	开发了一种基于CT图像的深度学习模型，用于预测临床I期肺癌患者的无病生存期（DFS）	利用三维卷积神经网络从CT图像中提取肿瘤特征，显著优于传统临床模型，能够有效识别高风险患者	研究为回顾性队列研究，可能存在选择偏倚	提高临床I期肺癌患者无病生存期的预测准确性	临床I期非小细胞肺癌（NSCLC）患者	数字病理	肺癌	CT成像	三维卷积神经网络（3D-CNN）	图像	2489名手术患者（开发队列）和248名接受立体定向体放射治疗（SBRT）的患者（外部验证队列）
1955	2025-06-14	3D Quantification of Viral Transduction Efficiency in Living Human Retinal Organoids 2025-Jun-12, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401050 PMID:40509616	研究论文	本文介绍了一种在活体人类视网膜类器官中定量3D表征病毒转导效率的方法	结合了基因递送效率在空间和时间上的量化，利用人类视网膜类器官、工程化腺相关病毒载体、共聚焦活体成像和基于深度学习的图像分割	未提及具体样本量或实验重复次数，可能影响结果的普遍性	优化基因疗法并定量测试未来治疗方法和其他基因递送方法	人类视网膜类器官	数字病理学	眼科疾病	共聚焦活体成像、深度学习方法	深度学习图像分割	3D图像	NA
1956	2025-06-14	Towards more reliable prostate cancer detection: Incorporating clinical data and uncertainty in MRI deep learning 2025-Jun-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110440 PMID:40505283	研究论文	本文提出了一种结合临床数据和MRI深度学习的更可靠前列腺癌检测方法	提出了一种双模态模型，同时整合影像和临床数据，并引入预测不确定性评估框架	未具体说明样本数量和临床数据的具体来源	提高前列腺癌诊断的可靠性和临床应用性	前列腺癌病例	数字病理	前列腺癌	bpMRI	深度学习模型	影像数据和临床数据	NA
1957	2025-06-14	Implementation of biomedical segmentation for brain tumor utilizing an adapted U-net model 2025-Jun-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110531 PMID:40505287	研究论文	本文通过改进的U-Net模型实现脑肿瘤的生物医学分割	采用自注意力机制的U-Net设计，提高了脑肿瘤分割的性能，特别是在模糊结构的分割质量上	仅使用了来自Kaggle网站的3064张MRI图像，样本来源单一	研究U-Net设计的进展及其在脑肿瘤分割性能上的提升	脑肿瘤的MRI图像	数字病理学	脑肿瘤	MRI	U-Net, Attention U-Net, 自注意力U-Net	图像	3064张MRI图像
1958	2025-06-14	GPS: Harnessing data fusion strategies to improve the accuracy of machine learning-based genomic and phenotypic selection 2025-Jun-11, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101416 PMID:40509592	研究论文	本研究提出了一种名为GPS的新型数据融合框架，旨在通过整合基因组和表型数据来提高植物育种中的预测准确性	GPS框架通过三种不同的融合策略（数据融合、特征融合和结果融合）整合基因组和表型数据，显著提高了预测准确性、鲁棒性和可迁移性	NA	提高植物育种中基因组选择和表型选择的预测准确性、鲁棒性和可迁移性	四种作物（玉米、大豆、水稻和小麦）的大规模数据集	机器学习	NA	基因组选择和表型选择	GBLUP, BayesB, Lasso, RF, SVM, XGBoost, LightGBM, DNNGP, MAK	基因组数据和表型数据	大规模数据集，样本量小至200时仍保持高预测准确性
1959	2025-06-14	Deep learning-based ranking method for subgroup and predictive biomarker identification in patients 2025-Jun-10, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-00946-z PMID:40494908	research paper	本研究开发了一种基于深度学习的框架DeepRAB，用于识别患者亚组和预测生物标志物，以优化治疗效果	DeepRAB不仅能够捕捉个体间治疗效果的差异，还能帮助发现与这些差异相关的有意义的生物标志物	NA	开发一种深度学习方法，用于识别患者亚组和预测生物标志物，以支持更精准的治疗策略	患者亚组和预测生物标志物	machine learning	hidradenitis suppurativa	deep learning	DeepRAB	clinical trial data	模拟数据集和真实临床试验数据
1960	2025-06-14	A cross population study of retinal aging biomarkers with longitudinal pre-training and label distribution learning 2025-Jun-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01751-7 PMID:40494933	research paper	开发了一种深度学习模型，通过视网膜图像提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力	整合了自监督学习和渐进式标签分布学习模块，以捕捉时间序列信息并模拟生物衰老的变异性	研究主要基于健康人群，可能无法完全代表其他人群的视网膜老化模式	提高视网膜年龄估计的准确性，并探索其作为衰老生物标志物的潜力	视网膜图像	digital pathology	geriatric disease	deep learning	CNN	image	34,433名来自UK Biobank和三个中国队列的健康参与者